机械故障无线传感网络监测与智能诊断方法研究

本课题研究可普遍应用于设备状态监测的无线传感网络技术以及基于无线传感网络的设备状态监测及故障诊断技术，实现基于信号无线传输的设备状态实时自动识别和故障早期诊断，为将来的工程推广应用提供理论和技术储备。本项目拟采用声发射和振动双模式传感器实现信号采集，构建基于ZigBee且具备高速信号处理、特征提取、数据存储和设备状态识别等功能的分布式无线传感网络；采用双工传输模式，实现高频信号及其特征参数的无线传输，为状态识别和故障精密诊断提供基础数据；研究多种先进信号处理融合技术提取微弱故障信号的特征，综合分析声发射和振动信号特征，为机械故障的早期诊断提供信息；应用可能性理论和确定性因数模型等模糊理论，构建多特征参数与故障的模糊关系函数，结合人工智能算法实现故障的智能诊断。

为实现机械故障无线传感网络监测与智能诊断，本课题以齿轮箱为研究对象，构建了基于ZigBee协议的无线传感监测网络，进行了多种先进信号处理与故障特征提取方法研究，开展了多种人工智能算法研究，提出了综合智能诊断方法，并完成了实验室验证，为将来的工程应用提供了理论依据和技术储备。本课题首先研究了基于ZigBee协议的无线传感技术，研制了智能数据平台，并搭建了基于ZigBee协议的振动无线传感试验网络；采用ARM+FPGA双核结构构建了智能数据子单元，搭载RTAI+Linux软件组建了智能数据采集平台，实现了振动信号的数据采集、信号预处理、特征参数计算以及设备状态的简易识别；构建了基于ZigBee协议的振动无线传感试验网络，实现了状态参数与振动原始信号的传输，并在齿轮箱试验台上完成了测试。其次，应用振动信号与声发射信号在时域、频域及时频域，构建了设备状态特征参数集；提出基于改进距离测度的特征参数敏感性评价方法，构造了较优特征参数子集。再次，课题开展了信号特征提取与多种先进信号处理方法研究，提出了基于统计学假设检验的自适应滤波方法和基于时频分布的瞬态特征谱提取方法，还进行了基于RMS序列熵的诊断方法研究；应用插值细分原理构造了冗余第二代小波，提出了一种非线性冗余提升小波包算法和基于“能量-香农熵比”的小波基选择方法。最后，课题应用可能性理论及确定性因子模型等模糊算法，构造了多特征参数与故障类型的模糊关系函数；开展了基于改进粒子群优化的神经网络、蚁群算法、遗传算法及基于隐马尔科夫模型等人工智能算法研究，并与模糊理论及信号特征提取方法相结合，提出了多种智能诊断方法。